NVIDIA lanza Nemotron 3.5 Transcribe y Granary v2

NVIDIA presentó Nemotron 3.5 Transcribe y Granary v2, dos modelos de transcripción multilingüe pensados para dar a los desarrolladores más control sobre los flujos de voz a texto. Los modelos se pueden guiar con prompts, así que los usuarios pueden aportar contexto, terminología o instrucciones de formato en lugar de depender solo de una transcripción genérica. Eso supone un cambio relevante para aplicaciones donde la precisión depende del conocimiento del dominio, como grabaciones legales, médicas, técnicas o de atención al cliente en varios idiomas. La transcripción con prompts puede ayudar a que el modelo maneje nombres, siglas, términos de producto y estilos de salida preferidos. Por ejemplo, un equipo que trabaja con audio especializado puede decirle al modelo qué tipo de contenido esperar o cómo debe estructurarse una transcripción. El objetivo no es solo convertir palabra por palabra, sino obtener un texto más útil para traducción, búsqueda, resumen o análisis posteriores. NVIDIA afirma que el lanzamiento busca mejorar la precisión y el control en distintos idiomas para desarrolladores que crean aplicaciones de transcripción, traducción y análisis de audio. Granary v2 y Nemotron 3.5 Transcribe se suman a un ecosistema en crecimiento de modelos de voz abiertos y accesibles. Esto importa porque muchos equipos quieren ajustar, autoalojar o integrar la transcripción en sus propios pipelines en vez de depender por completo de APIs cerradas. Al mismo tiempo, los sistemas guiados por prompts plantean nuevas preguntas de evaluación: hay que comprobar si los prompts mejoran la consistencia, qué tan bien manejan acentos y audio con ruido, y si el rendimiento se mantiene entre idiomas. La oportunidad práctica está en los flujos especializados. Una transcripción genérica suele ser solo el punto de partida; el valor real aparece cuando la salida es limpia, terminológicamente correcta y fácil de procesar de forma automática. La actualización de NVIDIA indica que la competencia en IA de voz avanza hacia la controlabilidad y el ajuste al dominio, no solo hacia la precisión bruta de transcripción. Los desarrolladores querrán medir los modelos con su propio audio antes de decidir dónde encajan.